当月之暗面和MiniMax的投资人坐在一起

本文由 暗涌Waves 撰写/授权提供，转载请注明原出处。

文章来源于：暗涌Waves

作者：暗涌

过去 18 个月，AI 在中国风驰电掣。尤其是月之暗面和 MiniMax，这是时常被放在一起比较的两家 AI 大模型公司：都更符合美元基金审美；融资上也跑得更快。

在上周的 WAVES 2024 上，我们邀请到了这两家公司的投资人来到现场。他们是：真格基金管理合伙人戴雨森、源码资本管理合伙人黄云刚、高榕创投合伙人韩锐、云启资本合伙人陈昱和明势资本合伙人夏令。前三人投资了月之暗面，后两位投资了 MiniMax。

从这场对话里，我们能看到科技和投资交汇时的有趣部分：一切尚处于早期的渴望与非共识。比如当他们谈到自己“最初的决定”时，每个人的说法截然不同：有人是因为相信 AGI，有人是相信“端到端”，有人就是“看好这个人”。

尽管一再强调不“拱火”，但在对话中我们还是能感受到双方的分歧。比如对于和 AGI 概念相关的通用机器人行业，有在场投资人已经出手了不止一家，但戴雨森旗帜鲜明地认为“行业早到还没到 VC”的出手时间。

AGI 行业的确还处于早期。也正因为一切尚早，对于身处其中的创业者和投资人来说，有些问题的确难以回答，毕竟说出口的就是历史的底稿了。

本场对话由「暗涌Waves」主编刘旌主持。

以下为对话摘编：

「暗涌」：大家好！欢迎来到 WAVES。上台之前我答应五位嘉宾，我们这场肯定不拱火。因为在场的五位嘉宾要么是月之暗面的投资人，要么是 MiniMax 的投资人。但我们也希望世界和平，所以特地把大家的座位糅在一起，以免过于剑拔弩张。下面首先请各位用你们的方式来介绍下自己。

戴雨森：我们专门投天使，全球的华人创业者，AI 领域布局很多的天使投资，还有 AI 应用，我们做好了准备。

陈昱：我是典型的理工宅男，2021 年和 IO（MiniMax 创始人闫俊杰）见面一见如故，因为大家讨论的都是计算机的东西特别聊得来，所以投资了俊杰。我们专注早期的科技投资，也投资了很多 AI 项目。雨森投的项目，我们都有不同的对标。

韩锐：高榕创投在过去十年一直专注在使人们的生活以及世界变得更好的项目上，过去一年我们在 AI 领域做了非常大的投入，我们认为这只是一个开始，希望更多的好戏在后面。

夏令：过去十年我们只专注做一件事，就是科技赛道的早期投资。我们比较幸运从 2014 年开始抓住了过去 10 年最大的机会，就是智能电动汽车。我们是理想汽车最早的机构投资人。

这波 AI 我们也布局比较早，2022 年年初和年中分别投了大语言模型公司 MiniMax 和人形机器人公司逐际动力，上午黄总和 MiniMax 的创始人闫俊杰做了精彩的对谈。未来的 8-10 年最大的投资机会就是 AI，我们将持续在 AI 赛道里系统性的投资布局。

黄云刚：我们特别看重 AI，也看重 AI 带来的一切应用，软硬件都在看，也投了月之暗面和银河通用机器人这样的具身智能。

「暗涌」：我们的主题是讨论大语言模型，可以从两家公司讨论起。各位能否回忆一下，你们投 MiniMax 和 Moonshot 当时的过程，因为确实有声音会认为大语言模型可能不是属于 VC 的游戏，硅谷的大部分 VC 错过 OpenAI 这家公司最早期的阶段。你们当时过 IC 的时候，你们说的最重要的那句话是什么？

戴雨森：我们一直投人，而且我们非常专注投年轻人，符合今天主题。我们觉得大浪潮往往是年轻人推动，比如 OpenAI 创始人，他们一个 30 岁、一个 29 岁，一个 28 岁，非常年轻。我们一直寻找最优秀的年轻人，杨植麟，在清华的时候我们就关注他了，他是清华上下几届的神中之神，在 CMU 的时候也是非常知名的国际一线AI研究员，有非常好的工作。

他当时在 CMU 读博士的时候参与创业循环智能，我们因为杨植麟投了循环智能，真格基金是循环智能的天使投资方。当植麟做大模型的时候，我们认为这是大浪潮偏爱年轻人，最优秀的人早就关注到了，所以就投了，我们很容易的就决定了。

「暗涌」：真格有一个看人理论，他属于小天才吗？

戴雨森：当然。他符合我们对小天才的定义，因为他年轻，所以在新的浪潮里是做最好的，这是新浪潮。如果你现在做房地产很难是一个小天才，我们希望这个天才是前面没有年龄作为限定的，就是不是什么 90 后最佳创业者，或者说00后的最佳创业者，他就是最佳创业者，就是最懂 AI 的人。

比尔盖茨做微软的时候他就是最好的程序员，扎克伯格做 Facebook 的时候他就是最好的创业者，我们希望优秀没有年龄作为定语，我们觉得植麟完全符合这样的条件，他就是世界一线的 AI 科学家。

「暗涌」：关键是人。

陈昱：我们和闫俊杰聊的时候他说做 OpenAI 的中国版，他花了很多的时间解释说什么是大模型，为什么说大模型会比无数个小模型组合起来会更加有效。我也是程序员背景，我们聊的很好，有点臭味相投的感觉。

我投科技型企业的时候比较习惯从聊天里面看对技术的一些把握。虽然做的都是很前沿的技术，但对技术细节的基本把握，这是我非常看重的。我以前在谷歌工作的时候看过一些全球最顶尖的程序员到底是怎样的，我会和创始人比较，很容易筛选出来技术最好的创业者。

俊杰除了对技术的追求，他很早开始考虑产品化商业化的问题，不是一个只单纯关注技术的人，这是我欣赏他的地方。

韩锐：我们一直在等到底有没有一个大语言模型产品是能真正进入且留在人们的生活中。我们在内部做了一个关于 Kimi 的调查，然后发现，不仅是高榕的投资和研究团队、也包括 IT、HR、PR 等同事都在用 Kimi，且其中有不少同事是退订了 GPT 转投 Kimi 的，这是我们做判断的一个小片段。

VC 是不是大模型游戏里的合适玩家？刚才雨森也提到，无论中美，VC 的资金量都是小头。容我拼接两句话来表达我的观点：勿以善小而不为，众人拾柴火焰高。 

如果在 IC 上说一句话，我的答案是：中国一定要有也一定会有自己的 AGI。如果这件事没成估值都贵，成了都不贵。

「暗涌」：趋势本身很重要。

韩锐：对。

夏令：黄总上午说 21 年 10 月我们明势三个人见闫俊杰，只有我一个人听懂了俊杰说的事情。背后是有原因的，众所周知我们在智能电动车这条线投的非常好，赛道后面由我负责。

如果是关注车自动驾驶的发展的朋友应该都知道 2021 年自动驾驶行业有一个标志性的变化，就是特斯拉提出的基于 transformer 的 BEV，以及基于端到端数据驱动做感知这一个环节。这对别的赛道的投资人是相对陌生的。但对一个关注车和自动驾驶的投资人来说，这是丝毫不陌生的。无非就是把一个端到端数据驱动的范式从自动驾驶领域迁移到 NLP 领域是否能够跑通。

恰好 MiniMax 的早期团队还有一个核心，以前就是在 Uber 做自动驾驶的。我在内部推动这件事的时候，从来没有把 MiniMax 当成是中国版的 OpenAI 看待，我们认为这是新一代的技术浪潮。大模型的“大”不本质，中国版的 OpenAI 或者说中国版的 xx 公司也不本质，本质的东西背后是端到端数据驱动的新范式。

我在内部的逻辑是一以贯之的：怎么看自动驾驶、怎么看 NLP，以及 2022 年中开始看端到端数据驱动的机器人，这背后的逻辑是连贯和延续的，我们投的是端到端数据驱动的新一代技术范式，这是我希望在内部形成共识。

「暗涌」：夏令讲的很诚实，陈总从 AGI 的角度看待这类公司，但夏令讲的是端到端，这是从汽车行业特斯拉身上感觉到的启示。

夏令：正是因为是从端到端数据驱动新范式的视角看，我更关注团队的工程化能力。俊杰这个人经历过 0-1-100 点科研、工程和商业化，他内心里一直想怎样利用工程化的方式做事，这是他非常显著的特质。

包括他应该怎样利用 1/10 的成本获取 10 倍的数据等等一系列的思考方式，这都非常工程化的。恰好这个时间点，LLM 就是应该从科研到以工程化的方式推进 LLM 的发展，我们的视角也跟他是匹配的。

黄云刚：我们春节的时候投了月之暗面，但其实之前聊了很长的时间。我们当时聊天除了 AGI 中国是谁，愿景是什么，还得聊具体的落地，大模型格局，对未来的产品化和商业化怎么理解，我们是比较务实的。他们当时说的东西在之后的半年都慢慢落地的，包括产品的能力，到了那个点。

因为大模型是非常耗钱的生意，团队证明战略和执行能力，同时又有更多的投资人一起来支持。到了这个点就是最好的方式，所以我们投了。

「暗涌」：对真格来说，看人是做投资非常重要的一点。大家都是早期的投资人，你们或多或少有自己看人的一套方法论。现在 AI 大模型的第一、第二梯队形成自己的风格。

想请问夏令、云刚，你们认为在 AI 领域能够取得最终大成的团队，可能会有什么不一样的特质？

夏令：明势过去十年一直投科技初创企业，我们喜欢的科技企业创始人的画像比较鲜明，也比较容易概括：专注、坚韧、低调。我们投的创始人都是专注、坚韧、低调的特质非常明显，上午黄总和俊杰的对谈也可以看到专注、坚韧和低调的特质。

另外一个维度也是我们一直坚持的，我们认为真正能够把一个科技企业做成的是懂技术的企业家，而不是科学家。我们非常清晰应该投的是他能够成长为一个懂得技术的企业家的人，而不是说投一个科学家。

因为科学家和企业家这两类人的思考方式上有非常大的差别。在明势，我们更多会是以企业家完整的画像来看待，而不单单说可能是某一个领域非常优秀的科学家就愿意投他。

黄云刚：我同意夏总说的意见。不管是任何的时代，各个行业，哪怕今天的大模型也一样，创业者特别懂产品，背后有两个含义，特别懂用户的需求，懂承载未来有可能商业化的路径。这个产品包含了很多，前提是技术的变量，对产品的感觉特别重要。

植麟除了对技术大家都很认可以外，他对产品的感觉非常好，有了这个感觉才能真正的走向商业成功。真正拉开差距的就是有没有独有的产品，带来独有的数据，这样才能走向最后的成功。说到底就是这个人确实要综合，既懂技术，又懂产品。

「暗涌」：今天在场的五位里会编程的有几位？会不会编程对你做 AI 投资有什么影响？

戴雨森：我们早期特别容易看到灯下黑的情况，当你懂一个领域的时候，当这个领域范式变化出现的时候，反而在早期是容易过早的下这样的负面判断，或者说比较批判性的判断。

我们投的领域确实比较多样化，所以某一个具体的背景可能都不是在这里最核心的。当时做创业卖化妆品，其实我也不需要化妆品，就是对经营和企业以及创业本身的理解。

「暗涌」：会编程的陈总有“灯下黑”吗？

陈昱：我没有灯下黑，这还是一个开放的心态。你懂得编程，但你自己意识到在学校里学习的东西，其实和现在的东西都是不一样的。这个技术是变化很快的，计算机科学化基本上四五年整个知识结构全部都是会重新的迭代一次。

我也赞成雨森说的为什么大家喜欢投 30 岁左右的年轻人，因为这里就是隐含着知识结构也是相对比较新的，才能做出前沿的东西。不会有灯下黑的东西，我会以开放的心态看最新的技术，而且我自己也在不断的学习这个东西。

韩锐：投资人要抓大放小，不一定会做饭才能投餐饮。

夏令：我历史上灯下黑过。我读研究生的时候是做图像识别的，所以我入行做 VC 的时候，其实因为灯下黑所以错过了 face++。自己做了 10 年投资以后，我认为是否会编程也是很表象。早期投资人的价值要能够比市场上其他人更早的发现未来的机会。

机会的认知与把握，跟是否会编程不是划等号的，好奇心和学习能力更重要。看自己愿意把精力花在哪里，你的认知来自于哪里。如果了解了技术，懂得技术，或者说懂得编程天生会更加容易接近技术发展的前沿领域，如果仅仅只有一点是远远不够。

黄云刚：有知识不等于有判断，知识和判断是两件事。我们还是要努力的学习知识，何况现在 AI 已经帮我们解决了很多知识的问题，我们更多的是把问题想清楚，然后 AI 会越来越多的帮我们解决问题。编程大多数的代码 AI 都可以帮忙完成，所以会不会编程不重要。

「暗涌」：早期投资中的节奏感特别重要。ChatGPT 从 2022 年 10 月发布至今一年半，中国的 AI 投资行业好几个春秋了，玩家都出现很多更替，序列也出现很多变化。在面对这么巨大且波动浪潮的时候，你们怎么找到自己的节奏感？

戴雨森：大家基本都在互联网和移动互联网的时代做投资，这已经是互联网技术到了比较成熟阶段的投资。AI现在还是在比较早的阶段，所以很多的时候得以史为鉴去寻找天使投资从硅谷开始，VC 这些年历史上可以类比的地方。要有耐心，百团大战，百模大战，百 C 大战，大家习惯一个新东西出来很多人趋同。

但现在的 AI 或者说大模型很像当时做芯片，需要很多的科研成分在里面，不是利用开源代码搭一个。需要有耐心，ChatGPT 发布至今一年半的时间，已经诞生很多新的应用创新，有新的场景。

很多人说 AI 进化变慢了，是因为大家要求高了，大家想的都是互联网百花齐放一下子出现很多的新应用。我们要意识到这还是比较早期的技术，有很多投资人和创业者说现在是苹果时代，大干快干，现在很难说是苹果时代、是黑莓时代。我们 85 后的人经历过黑莓时代，95 后的人不知道黑莓是干什么的。黑莓时代的技术有局限，黑莓时代没有办法做抖音，哪怕知道抖音很火，但那个时候的技术做不出来。

一个技术的发展会经历技术是瓶颈的阶段，想到但做不出来，技术发展到达技术变的比较成熟，会进入一个想法限制，想得到就会做到，想不到就不行——现在是想到，但做不到。我们的技术创始人要对技术有判断，要预判现有的资源下一两年的时间里技术可以发展到什么程度。如果想太远可能就没有办法落地，这个时候懂得技术，尤其是在科研的角度有很多的一线认知是非常重要的。要有耐心，黑莓不是百花齐放，三朵花可以摘，摘哪朵花很重要。

对用户和变现，因为我们都经历过移动互联网比较成熟的年代，所以大家说商业模式是什么。因为我们大家都看到了移动互联网的终局，所以问 AI 的终局是什么，现在这个问题没有答案。谁说有答案，那一定是骗子。

我之前发朋友圈，谷歌在 1998 年发布，然后到 2004 年上市的时候才算是找到了比较核心的商业模式。Facebook 是 2004 年上线，2012 年上市的时候才上了信息流广告，才找到商业模式。

如果说现在互联网的两大印钞机谷歌和 Facebook 都花了六年和八年才找到商业模式，我们现在要求一个更早的技术大模型应用花一年多要有明确的商业模式，要探索终局和格局是什么，这个太早。重要的还是渗透率，当技术的渗透率到一定的程度之前，其实都处在快速扩展的阶段。

过早想变现这些事情，其实这是在阶段的错配。我们要关注怎样让更多人应用到 AI 的产品，现代技术可以做什么产品，什么场景是真正用户用的，而不是讲概念没有人用的阶段，尤其是现在资本市场也没有那么乐观的情况下。

「暗涌」：以史为鉴，尊重规律，保持耐心。

戴雨森：耐心资本。

陈昱：在这个信息爆炸的时代，大考很容易被媒体和同行的节奏带偏。我觉得最重要的还是保持独立思考，不要被别人带节奏，要从底性原理出发，考虑什么东西是有用、可行的。ChatGPT 在 2022 年 12 月火起来，而我们 2021 年初就接触大模型，并且决定投资。

为什么这样呢？因为我认为世界总是需要通用智能体，虽然现在的大模型解决方案未必是最终的解决方案，但它会带领我们朝正确的方向迈一大步。这有点像哥德巴赫的猜想，未必可以解决问题，但可以把我们带到足够近的领域。投资领域的独立思考很重要。

韩锐：我们过去看过不同行业，每一个行业有自己周期和速度，我理解刘老师的问题是我们作为投资人看不同行业的时候怎么应对？

如果终局特别远，不要试图犯精准的错误，模糊的正确就足够了。我们也许可以在路径上放一些关键的温度计，例如高榕内部投研人员、中后台都开始用 Kimi，我们认为这是 AI 产品第一次走进生活、留在生活，这个温度计在路径中对我们相当重要。

如果回到狭义的关于节奏的定义，市场没有人在乎你的节奏，市场也不会配合你的节奏。在节奏变成逻辑自洽的陷阱，或者说自我改变的约束之前，你要干的事就是打断它。

「暗涌」：警惕地发现变化。

韩锐：不要让自己的节奏成为自己的主旋律，你的节奏对这个世界没有任何意义。

「暗涌」：成功的 VC 投资早期基本在早期都有非共识性，这个问题我想问一下：大家在面对今天的AI，有什么不同于市场的观点吗？

戴雨森：现在不知道什么是共识，什么是非共识。

「暗涌」：哈哈我就知道你会这么说。那你就分享一下自己的观点吧。

戴雨森：不要讨论 AI 的变现。另外就是，通用人形机器人还太早，所以我们一家都没有投。这个非常值得学习，但确实太早了，肯定没有到 GPT 时刻。

「暗涌」：你认为是早到 VC 都不应该投吗？

戴雨森：看你是不是超级有耐心。或者说看你是科研还是投资的角度。

陈昱：现在这个阶段能源比所谓的算力更加重要，美国很多大厂是停止了数据中心的投资，并不是说他们没有钱买卡了，而是因为美国已经没有足够的能源供给。你现在就算是开始建核电站，大家也看到新闻，微软和西屋合作建设核电站，这不是一朝一夕的事情。解决能源这个问题是非常重要的，甚至比现在的算力问题更加重要。

韩锐：接着前面陈昱的观点多说一句啊，我跟同事聊天的时候还开玩笑说，现在有那么多的穿越剧，假设一个拥有丰富知识的现代人穿越回古代，是什么最终限制了你去改变世界，是材料学。

回到刘老师的问题，非共识一个是角度问题，还有一个容易被忽略的是程度问题。在今天，我认为程度可以把人们在 AGI 的信仰上拉得很开。“相信”跟“相信”是可以有巨大的差距的，你是有条件相信，还是无条件相信，有条件又是什么条件？嘴里相信、心里相信、还是身体上相信？

如果拿爬珠峰作为例子，我们到底是刚买好了装备、还是说装备其实也就买对了一半，还是到了西藏、还是到了大本营，抑或是要登珠峰了。当然，更乐观的是这座珠峰没有顶点，可以一直爬。我觉得今天如果谈论很多细节的非共识，变化会特别快，但我认为相信的程度，可以把从业者、投资人拉得很开。

「暗涌」：你相信的程度是什么阶段？

韩锐：就像月之暗面的英文名，Moonshot，是一场登月。

夏令：回应一下前面两位嘉宾的观点。2022 年我们投了通用机器人公司逐际动力，核心的逻辑就是认为端到端的数据驱动范式可以迁移到这个领域。如果把通用机器人或者说人形机器人作为我们想要的终局或者类比自动驾驶的 L4 的话，那自动驾驶 L4 从提出到落地需要多久，通用机器人进入千家万户就需要多久。

人形机器人实现智能泛化操作的“ChatGPT Moment”至少需要 2-3 年的时间。但是有没有公司在端到端数据驱动的技术范式下，找到自己类比智能驾驶 L2++ 的机会，先做到自己的数据和商业闭环，同时技术栈底层可以持续演进迭代跟自己要做的 L4 相通。跟特斯拉和理想过去几年做的事情一样，我认为今天市场是有这样的公司，而且是正确的 timing。

能源对中国和美国是不一样的，美国电网和电力公司极其分散，电力基础设施的建设速度是没有办法追的上算力集群搭建的速度，这是它的问题。但在中国这个不是问题，我们算过了，今天 AI 对算力的挑战不是在于绝对数，而是在有限的空间里，能源密度是挑战，而不是能源绝对数。中国的基建特别强，还有特高压输电，这不是我们核心的瓶颈。

回应刘老师的问题，我认为跟 AI 密切相关，但其实国内没有深入探讨的重要趋势。我觉得因为这一代的 AI，芯片这个词的实质发生了根本性的变化。在 PC 和在数码时代，我们认为芯片就是大规模集成电路；智能手机时代，我们认为芯片就是一颗 SOC。

但在今天的 AI 时代，芯片是一个系统，芯片设计应该 design for the system。SOC 领域摩尔定律每 18 个月翻一倍，而系统层面每两年提升一个数量级，这是国内今天较少讨论的。

黄云刚：人形机器人，我们看的很多、也投了一些。这个世界和人类特别需要，因为现在 AI 可以干的事情特别有限，需要物理世界帮我们叠被子和洗衣服，需要实体的陪伴，不需要 AI 虚拟的陪伴。这就是多远的问题。

机器人为什么要两只脚，为什么是足式，而不是轮式的，因为轮式更快。最智能、最通用的就是在座的各位，我们是最能的智能体。它是最通用，最强大的。跑的快可以坐车，机器人也可以坐车。如果要在小范围移动，我们也有台阶，轮式的很有劣势。马斯克为什么造人形机器人？最会用第一性原理思考的人怎么选择的，非常简单。

「暗涌」：一位投资人向我提供了一个问题：阿里的千问作为开源模型不输，甚至比创业公司做的更好。角逐赛中，创业公司和大公司可以PK的或者说生存空间到底在哪里？

陈昱：得拼差异化。现在大模型明显有几种商业模式或产品形态：比如提供 API，那像阿里云、火山引擎有优势，它们的 API 可以以成本价或更低的价格提供，但从云计算赚钱。但对创业公司来说，显然很难在成本和收费上与大厂竞争。

再比如生产力工具，无论是聊天还是搜索，如果字节收不上钱，你也收不上钱。不能说一边消耗算力，一边付很多钱，最后又挣不回来钱。大模型创业公司得找到产品和商业模式与大厂的差异点，做差异化竞争才是创业公司生存的重要方向。

韩锐：事在人为。当我们用一个公司的名字或者用一个大厂的名字代表模型能力的时候，我觉得这未必是完全准确的。我们也许更应该关注到那一小撮最核心团队的颗粒度，具体看是谁做的。

今天中国大模型公司的现状都还是在追赶者的状态，大厂、创业公司都是。从我们的视角看这个过程，更像是一个蛙跳比赛，上新的玩家可以往前跳一步。在任何一秒去拍张照片都有第一名，但过了几秒再拍可能换别人是第一名。

如果一个问题的答案在现实生活中是每个月都在变化，那这个答案可能在三到五年和更长的维度没有意义，更关键的是跳来跳去，谁可以一直在第一梯队。

我们原来不止在 AI 行业，在别的行业观察到破局的路径，是创业者一定先出奇再守正，如果没有出奇就没有守正的机会。找到有机会出奇的点去 all in。大厂做事情的也是具体的人，也是肉身之驱，没什么不可突破的。

「暗涌」：回到 Moonshot 和 MiniMax 的话题上，这两家公司的估值已经达到 25 亿美金、甚至更高。你们会不会担心市场过热会提前透支公司的估值增长空间？能否预测一下中国这波大语言模型公司的天花板可能会在哪里？

戴雨森：如果做成，都便宜，做不成 3 亿、30 亿都会很贵，有巨大的不确定性来看，估值很难。资本市场是躁郁症患者，之前 30 亿美金不算什么，很多的公司都是这样，卖咖啡什么的都有。估值是相对的，能否最后把技术变成产品，然后落地才是最重要的。

我想起来在移动互联网的早期， Instagram10 亿美金卖了，13 个人。大家说这个公司这么早，这么小，也没有收入就卖这么多钱，最后发现值几百亿美金。

在技术革命早期的时候，如果你真的可以做到这里面最领先的玩家，不管是谁，那这个公司的价值几十亿美金我不觉得很高。现在你说中国的资本市场有没有泡沫，起泡剂都没有了，泡沫不知道在哪里。

夏令：中国今天不管是 MiniMax 还是 Moonshot，他们的估值一定的程度是被低估的，而不是被高估的。如果你对比欧洲和美国的同行，以我们这两家公司的技术水平绝对至少估值应该翻 2-3 倍。

反过来说，如果美国的挑战是能源，那中国 AI 行业今天最大的挑战就是资金。如果我们想建一个十万张H卡的算力集群，你需要的 capex 投资是 400-500 亿人民币。就算租赁，每年也需要付 100 多亿人民币的租金，这样对应的公司每年需要的融资额再反算出估值，这肯定有挑战。

如果长期看，我还是倾向于保持极其乐观的态度。问上限在哪里，2014 年有人问黄明明总，你投了理想以后，它会成为什么公司。明明总说下限几百亿美金，上限是千亿美金，当时是被极大挑战的。

AI 中国最头部的优秀公司就如今天上午俊杰所说，如果将来真的世界前五大 AI 公司里面第二名是中国公司，那我相信这家公司以十年的尺度来看，这应该是万亿美金的公司。第一波中国互联网的企业是百亿美金，第二波的像字节、阿里，基本上做到了千亿美金，很遗憾各种原因字节按理说今天应该是中国第一家万亿美金的公司。

如果我们以十年、十五年的时间来看，那个时候如果美国今天有 Magnificent 7，我觉得中国到那个时候也一定会有6-7家万亿美金市值的公司，AI 公司不会少于两家，这样对中国才有意义。

我认为 AI 更像生产力的革命，更容易类比的还是计算机的发明。1967 年 IBM 市值是 1500 亿美元，当年美国的 GDP 是 8000 多亿美金，意味着 IBM 一家公司因为是计算机最头部的公司，所以它是美国 GDP 的 1/4。如果十年以后中国的 GDP 是 180 多万亿人民币，甚至是 200 万亿人民币，1/4 的市值公司是多大的体量。

为什么值这么多钱，因为当时的美国的 GDP20%-30% 都是由计算机这个产业带来的。如果AI能够为中国将来的 GDP 拉动带动增量 20%-30%，这样的企业一定值得。

黄云刚：大模型投资对 VC 是不太友好，需要的资金量非常大。实际上创业公司也好，还是投资人也好都不想那么高的估值，就是因为要花钱，所以把估值堆上来了。实际上每一轮的估值涨的不是很多，需要钱。我相信肯定会出一个巨大的东西，千亿、万亿美金。

中国最主要的一点，大家不要特别分散的投资，大家团结起来把最好的那两三家公司支持起来，这是最有效的。我去年去硅谷，每次去都特别感叹，美国大模型公司或者说团队都想做全人类的 AGI，做引领者。

中国每一个团队不管能力大小，不管什么位置都说我要做我的 AGI，让我们团结起来一起支持那个最好的团队，这就会好，不是把钱浪费掉。

「暗涌」：套用王传福的话，在一起才是中国的 AGI。

陈昱：大家回答的特别好，今天能够坐在这里也是对 AGI 有绝对的信仰。既然有绝对的信仰，那这个数字本身不重要。

韩锐：虽然在这个阶段我认为是定性大于定量，但衷心希望大家说的数字都能实现。

「暗涌」：谢谢大家。

扫码关注公众号

获取更多技术资讯